Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Live blog merupakan suatu media dari situs berita yang menyajikan update-update tentang suatu topik yang sedang terjadi. Update-update tersebut disampaikan secara rutin setiap hari. Suatu artikel live blog bisa berhalaman-halaman. Metode live blog summarization sudah pernah dilakukan, dan menghasilkan summary yang layak. Namun, metode tersebut belum layak dijadikan aplikasi berskala besar. Ini dikarenakan metode tersebut dirancang untuk sistem tersentralisasi, sehingga tidak ada distribusi terhadap data-data tersebut. Ini berpengaruh pada performa sistem. Penelitian ini bertujuan untuk mengembangkan konsep summarization platform yang terdistribusi bernama ReBlogSum, mulai dari merancang arsitektur terdistribusi, sampai tes dan simulasi pada arsitektur tersebut dibandingkan dengan arsitektur tersentralisasi. Penelitian ini diharapkan dapat memberikan gambaran mengenai ReBlogSum dan sistem terdistribusi pada proses live blog summarization. ...... Live blog is a kind of media from a news site which serves updates about an ongoing topic. Those updates are delivered routinely every day. A live blog article can have many pages. The live blog summarization method has been provided, an produced a decent summary. However, the method is not feasible to be made a large-scale application. It is because the method was designed to run on centralized system. Therefore, it lacks the distribution towards the data. It affects the system performance. This research aims to develop the novel distributed summarization platform called ReBlogSum, beginning from designing the distributed architecture, until the testing and simulation to the system compared to the centralized system. This research is expected to give the insight about ReBlogSum and distributed system onto the live blog summarization process.

Abstrak :
Tingginya jumlah kendaraan bermotor di Indonesia memiliki dampak kepada kualitas udara. Aplikasi Mahoni merupakan upaya solusi dari permasalahan tersebut dengan membawa konsep kota cerdas. Penulis melakukan pengembangan arsitektur microservice yang melayani fitur pada aplikasi Mahoni yaitu servis kualitas udara, perjalanan, dan penukaran poin menjadi kupon sesuai dengan kebutuhan pengguna. Aplikasi Mahoni dikembangkan dengan menggunakan arsitektur event-driven agar dapat mencatat beragam data yang berasal dari sensor udara dan aktivitas pengguna secara real-time. Kafka digunakan sebagai message broker untuk mendapatkan throughput yang tinggi dan mempermudah integrasi dengan komponen big data yang memerlukan data stream untuk melakukan stream processing dan real-time analytics melalui change data capture dengan bantuan Debezium dan Kafka Connect. Data stream diolah menjadi keluaran yang dibutuhkan seperti visualisasi data menggunakan dashboard. Untuk mencapai hal tersebut, arsitektur Kappa diimplementasikan untuk membangun arsitektur big data yang sederhana, scalable, dan reliable. Arsitektur big data pada penelitian ini terdiri dari beberapa komponen yaitu Flink, Cassandra, InfluxDB, dan Grafana. Keterhubungan implementasi keseluruhan arsitektur pada penelitian ini diuji dengan melakukan end-to-end testing. Hasil dari pengujian tersebut menunjukkan bahwa keseluruhan komponen sistem aplikasi Mahoni terhubung dengan baik dalam memenuhi kebutuhan pengguna. Komponen arsitektur event-driven juga dibuktikan dapat mengatasi data stream dengan throughput tinggi dan bersifat loosely-coupled sehingga integrasi komponen baru pada sistem lebih mudah. Komponen arsitektur big data juga dibuktikan dapat mengatasi pertumbuhan data dengan melakukan scaling pada Flink sehingga menghasilkan sistem yang reliable. ......The high number of motorized vehicles in Indonesia has an impact on air quality. Mahoni application is an attempt to solve the problem by bringing the concept of smart city. The author develops a microservice architecture that serves features in the Mahoni application, namely air quality services, travel, and redemption of points into coupons according to user needs. Mahoni application is developed using event-driven architecture in order to record various data from air sensors and user activities in real-time. Kafka is used as a message broker to get high throughput and facilitate integration with big data components that require data streams to perform stream processing and real-time analytics through change data capture with the help of Debezium and Kafka Connect. Stream data is processed into the required output such as data visualization using dashboards. To achieve this, Kappa architecture is implemented to build a simple, scalable, and reliable big data architecture. The big data architecture in this research consists of several components, namely Flink, Cassandra, InfluxDB, and Grafana. The connectedness of the implementation of the entire architecture in this study was tested by conducting end-to-end testing. The results of the test show that all components of the Mahoni application system are well connected in meeting user needs. The event-driven architecture component is also proven to be able to cope with high-throughput data streams and is loosely-coupled so that the integration of new components in the system is easier. The big data architecture component is also proven to be able to cope with data growth by scaling Flink to produce a reliable system.

Abstrak :

Pemanfaatan Intrusion Detection System (IDS) untuk mengamankan infrastruktur jaringan internet masih memiliki masalah yang belum terselesaikan, yaitu kurangnya akurasi deteksi serangan sehingga mengakibatkan terjadinya permasalahan false positif dan banyaknya alarm palsu. Salah satu pendekatan yang banyak digunakan untuk mengatasi permasalahan yang terjadi dalam implementasi IDS adalah dengan menggunakan pendekatan machine learning. Pada penelitian ini, penulis mengusulkan sistem yang menggunakan pendekatan machine learning untuk mendeteksi serangan jaringan dan mengirim peringatan serangan. Dataset CSE-CICIDS2018 dan Model-Based Feature Selection digunakan untuk mengevaluasi kinerja delapan algoritma klasifikasi dalam mengidentifikasi serangan jaringan guna menentukan algoritma terbaik. Hasilnya, Model XGBoost dipilih sebagai model yang memberikan hasil kinerja algoritma terbaik dalam perbandingan model machine learning ini, dengan tingkat akurasi untuk klasifikasi two-class sebesar 99%, dan multi-class sebesar 98,4%.

---

Utilization of the Intrusion Detection System (IDS) to secure internet network infrastructure still has unresolved problems, namely the lack of attack detection accuracy, resulting in false positives and many false alarms. One approach that is widely used to overcome the problems that occur in the implementation of IDS is to use a machine learning approach. In this study, the authors propose a system that uses a machine learning approach to detect network attacks and send attack warnings. The CSE-CICIDS2018 dataset and Model-Based Feature Selection were used to evaluate the performance of eight classifier algorithms in identifying network attacks to determine the best algorithm. As a result, the XGBoost model was chosen as the model that gives the best algorithm performance results in this machine learning model comparison, with an accuracy rate of 99% for two-class classification and 98.4% for multi-class.

Abstrak :
Bikunku merupakan suatu aplikasi penunjang informasi bis kuning (bikun); sarana transportasi di lingkungan Universitas Indonesia; yang dibuat oleh Alamsyah et al. melalui penelitiannya pada tahun 2022. Salah satu fitur penting yang ditawarkan dalam aplikasi ini adalah tracking lokasi bikun yang sedang beroperasi secara real-time. Meskipun secara keseluruhan sistem ini dapat menjalankan tugas- nya melakukan tracking lokasi bikun, sistem yang menggunakan frontend React, komunikasi WebSocket, dan database PostgreSQL ini kurang optimal untuk menangani data lokasi yang dikirim oleh driver bikun dan dibaca oleh ribuan sivitas akademik Universitas Indonesia. Penelitian ini bertujuan melakukan improvement berupa peningkatan performa pada sistem tracking bikun pada aplikasi Bikunku yang meliputi pengukuran end-to-end response time, throughput, CPU usage, memory usage, FPS dan rendering speed. Penelitian terdiri dari pengembangan dari sisi backend protokol komunikasi menggunakan gRPC dengan Kafka, sisi database menggunakan Firebase Cloud Firestore sebagai Realtime Database pada backend, dan sisi frontend menggunakan Flutter sebagai aplikasi mobile. Implementasi frontend Flutter pada akhirnya diinkorporasikan dengan pilihan implementasi backend dengan hasil performa yang terbaik. Dengan pengembangan menggunakan teknologi tersebut, improvement yang dilakukan pada penelitian ini meliputi pengubahan cara penyaluran data lokasi tracking dan database dari sistem polling menjadi sistem pushing, pengubahan arsitektur sistem yang lebih performant, digunakannya protokol komunikasi yang lebih unggul, perbaikan implementasi pada autentikasi driver sebagai salah satu penyebab bottleneck, pengubahan aplikasi menjadi mobile app, dan digunakannya implementasi maps yang lebih siap untuk production. Pengetesan dilakukan dengan load testing membandingkan performa masing-masing sistem implementasi baru terhadap sistem terdahulu Alamsyah. Skenario pengetesan sistem backend dan database meliputi request pengiriman lokasi oleh 11 driver bikun, disertai 1800 concurrent user di sisi client untuk membaca simulasi data lokasi terbaru bikun yang beroperasi. Sementara pada sisi frontend dilakukan pengetesan dengan resource profiling dan observasi terhadap simulasi bikun yang berjalan di frontend. Hasil pengetesan menunjukkan sistem gRPC-Kafka lebih cepat sebesar 96% dengan throughput yang dihasilkan lebih baik 216% dibandingkan dengan sistem Alamsyah, sistem Firebase lebih cepat sebesar 91% dengan throughput yang dihasilkan lebih baik 127% dibandingkan sistem Alamsyah. Dari hasil yang didapat, sistem gRPC-Kafka kemudian dipilih sebagai sistem backend yang diinkorporasikan dengan implementasi Flutter. Hasil pengetesan sistem Flutter dengan gRPC-Kafka mendapatkan hasil yang lebih baik pada OS Android di semua skenario dengan peningkatan performa metrik CPU usage, max CPU usage, memory usage, dan rendering speed sebesar 27%, 18%, 42%, dan 33%. Sistem Flutter dengan gRPC-Kafka mayoritas lebih baik pada OS iOS di semua skenario, yakni pada metrik memory usage, FPS, dan rendering speed dengan peningkatan performa sebesar 40%, 28%, dan 16%. Sementara dari segi CPU usage dan max CPU usage, sistem Alamsyah lebih baik sebesar 9% dan 0,3% dari sistem Flutter dengan gRPC- Kafka. ......Bikunku is an information system application for bikun, a bus transportation facility within the University of Indonesia environment, developed by Alamsyah et al. through their research in 2022. One of the important features offered in this application is real-time tracking of the bikuns’ location. Although the overall system is capable of tracking the bikun’s location, the system, which utilizes React for the frontend, WebSocket for communication, and PostgreSQL for the database, it is not optimized to handle the location data sent by bikun drivers and accessed by thousands of University of Indonesia stakeholders. This research aims to improve the performance of the bikun tracking system in the Bikunku application, including measuring end-to-end response time, throughput, CPU usage, memory usage, FPS, and rendering speed. The research consists of the development of backend communication protocol using gRPC with Kafka, development of backend using Firebase Cloud Firestore as Realtime Database, and development of the frontend mobile application using Flutter. The implementation of Flutter frontend is then integrated with the best performing backend implementation. With the development using technologies listed, improvements made in this research include changing the method of location tracking data delivery and database from a polling system to a pushing system, modifying the system architecture for better performance, utilizing superior communication protocol, improving the implementation of driver authentication as one of the bottleneck causes, transforming the application into a mobile app, and utilizing a more production-ready maps implementation. Load testing is conducted to compare the performance of each new implementation with Alamsyah’s previous system. The testing scenarios for the backend and database systems involve location request submissions by 11 bikun drivers, along with 1800 concurrent users on the client side to simulate reading the latest location data of operating bikuns. On the frontend side, testing is performed using resource profiling and observation of the running bikun simulations. The test results show that the gRPC-Kafka system is 96% faster with a 216% better throughput compared to Alamsyah’s system, while the Firebase system is 91% faster with a 127% better throughput compared to Alamsyah’s system. Based on these findings, the gRPC-Kafka system is then chosen as the backend system to be integrated with the Flutter implementation. The testing results of Flutter with gRPC-Kafka demonstrate better performance on Android OS in all scenarios, with improvements in CPU usage, max CPU usage, memory usage, and rendering speed by 27%, 18%, 42%, and 33%, respectively. The Flutter with gRPC-Kafka system performs better on iOS OS in all scenarios for the majority, which are in terms of memory usage, FPS, and rendering speed, with performance improvements of 40%, 28%, and 16%, respectively. However, in terms of CPU usage and max CPU usage, the Alamsyah system performs better by 9% and 0.3% to the Flutter with gRPC-Kafka system.

Abstrak :
ABSTRAK
Masyarakat modern sering meragukan dirinya sebagai makhluk otonom karena merasa diatur, diawasi dan dilemahkan haknya oleh kekuasaan pemerintahan. Ketidaktahuan akan pemerintahan, birokrasi, dan hukum secara mendalam menjadi kekhawatiran bahkan ketakutan, karena sewaktu-waktu keterlibatan dalam peristiwa yang berkaitan dengan hal tersebut mungkin terjadi. Sebagaimana yang tergambar dalam karya adaptasi wahana novel grafis Franz Kafka, Der Process. Josef K. ditangkap tanpa diberitahu kesalahannya dan harus melalui berbagai peristiwa yang membuatnya bersentuhan dengan birokrasi peradilan yang menekan pribadinya dan menjerat kebebasannya. Citraan dan pemadatan cerita dalam wahana novel grafis ini membentuk wahana penceritaan yang lebih tajam akan kemuraman, keterasingan, dan keputusasaan ala Kafkaesk.

---

ABSTRACT
IIn these days people often doubt themselves as if they were still autonomous beings Are, because they believe that they are regulated and supervised, also their rights The authority of the government are weakened. Your lack of understanding about the Government, bureaucracy, and laws is such a concern and even terror for itself Themselves, because they could involve the connected events at any time. It is just like in the Adaptationswerke Graphic Novel after Franz Kafka "The Process". Josef K. was arrested without knowing his guilt and he must Various processes that make him in touch with the bureaucracy Make their character express and restrain freedom. Illustration and history In the Graphic Novel, which have been through an elimination process Sharper medium of narrative, gloom, alienation and despair, or Kafkaesks atmosphere.

Abstrak :
Blockchain telah menjadi salah satu teknologi penting karena kemampuan transparansi dan privasi yang dimiliki. Banyak perusahaan melihat kemampuan dari Blockchain sebagai terobosan untuk banyak kasus, seperti rantai pasok. Penelitian ini membahas kasus masalah ledger pemasok sayuran. Pemasok sayuran membutuhkan satu hari untuk menyalin transaksi ke dalam ledger dan seringkali ada beberapa distorsi informasi antara pemasok dan pelanggan. Penelitian ini menggunakan Hyperledger Fabric untuk membangun Blockchain Network sesuai dengan permasalahan pemasok sayuran. Blockchain Network dibuat dengan sembilan channel dan Crash Fault Tolerance dengan menggunakan apache kafka. Blockchain Network yang telah dikembangkan akan disimulasikan dengan dua iterasi yang setiap iterasi terdiri dari 40 putaran dan setiap putaran berisi 3000 transaksi. Rata-rata throughput iterasi pertama adalah 27,9 tps dengan throughput tertinggi di putaran 1 dengan throughput 34,1 tps dan terendah di putaran 37 dengan throughput 25,3 tps. Selanjutnya, iterasi pertama memiliki success rate 99,1% dengan success rate minimum 93,3% di putaran 37. Throughput iterasi kedua adalah 28,1 tps dengan throughput tertinggi di putaran 1 dengan throughput 32,8 tps dan terendah di putaran 40 dengan throughput 21,3 tps. Selain itu, rata-rata success rate iterasi ke dua adalah 98,9% dengan success rate minum adalah 80,4% di putaran 40. Hasil simulasi tersebut menunjukkan bahwa Blockchain Network yang dikembangkan sangat kompatibel dengan masalah yang dimiliki oleh pemasok sayuran. ......Blockchain has become one of the most important technology because of its capabilities such as transparency and privacy. Many enterprises see these capabilities as a breakthrough to many cases, such as supply chain. This paper discusses a case of a vegetables supplier that faced some problems about the ledger. Usually the company need one day to finish the ledger and sometimes there are some information distortion between supplier and client. This paper use Hyperledger Fabric to build Blockchain Network that is compatible with the supplier problems. The Blockchain Network created with nine channels and Crash Fault Tolerance by using kafka. This Blockchain Network is tested with two iteration which iteration is tested with 40 rounds of 3000 transaction. The first iteration throughput average is 27.9 tps with the highest throughput in round 1 with a throughput of 34.1 tps and the lowest in round 37 with a throughput of 25.3 tps. Furthermore, the first iteration has a success rate average of 99.1% with a minimum success of 93.3% in round 37. The second iteration throughput is 28.1 tps with the highest throughput is in round 1 with a throughput of 32.8 tps and the lowest is in round 40 with a throughput of 21.3 tps. Furthermore, the success rate average of the second iteration is 98.9% with the lowest success rate is 80.4% in round 40. This performance indicates that the developed Blockchain Network is very compatible with the problem that vegetables supplier has.

Abstrak :
Dengan bertambahnya jumlah pengguna internet seiring waktu, bertambah pula jumlah data yang dihasilkan dari aktivitas yang berasal dari media sosial. Data tersebut dapat digunakan untuk berbagai keperluan, salah satunya untuk keperluan moderasi supaya aktivitas pengguna internet tetap tunduk pada hukum yang berlaku. Namun, diperlukan cara yang optimal untuk melakukan proses tersebut mengingat data yang jumlahnya sangat besar. Penelitian ini mengajukan sebuah platform yang dapat menjadi salah satu pilihan untuk memproses data media sosial yang berjumlah besar tersebut. Rancangan platform pada penelitian ini ditujukan untuk dapat memiliki throughput yang besar. Selain itu, platform dirancang untuk dapat dimodifikasi demi memenuhi berbagai kebutuhan. Karenanya, aspek extensibility juga menjadi perhatian utama dalam proses pengembangan platform. Kedua tujuan utama dalam pengembangan platform ini dapat diwujudkan dengan bantuan sebuah klaster Apache Kafka yang membuat platform memiliki sifat loosely-coupled dan juga extensible. Dengan berpusat pada klaster Apache Kafka, proses pengolahan data yang ada dapat dilakukan secara paralel, dan terbukti dapat meningkatkan throughput dari platform secara keseluruhan. Sebagai pembanding, penelitian ini diuji coba dengan suatu skenario bersama dengan platform Tweetream yang dikembangkan oleh Susanto (2022). Hasil dari uji coba tersebut membuktikan bahwa platform pada penelitian ini dapat mengungguli Tweetream. ......As the number of internet users increases over time, so does the amount of data generated from activities originating from social media. This data can be used for various purposes, one of which is for moderation purposes so that the activities of internet users remain subject to applicable laws. However, an optimal way to do the process is needed considering the huge amount of data. This research proposes a platform that can be one of the options for processing large amounts of social media data. The design of the platform in this research is intended to have a large throughput. In addition, the platform is designed to be modifiable to meet various needs. Therefore, extensibility is also a major concern in the platform development process. These two main objectives in the development of the platform can be realized with the help of an Apache Kafka cluster that makes the platform loosely-coupled and extensible. By centering on the Apache Kafka cluster, the data processing can be done in parallel, which has been proven to increase the throughput of the platform as a whole. For comparison, this study was tested in a scenario with the Tweetream platform developed by Susanto (2022). The results of the test proved that the platform in this study can outperform Tweetream.

Abstrak :
Bikunku adalah aplikasi untuk mendukung transportasi bus kuning di Universitas Indonesia, dibuat oleh Alamsyah et al. pada tahun 2022 yang melakukan tracking lokasi terhadap bikun secara real-time. Sistem awal dibuat dengan React, WebSocket, dan PostgreSQL, namun kurang optimal dalam mengirim data lokasi bikun yang banyak. Penelitian ini bertujuan meningkatkan performa sistem dengan teknologi baru, seperti gRPC dengan Kafka untuk komunikasi backend, Firebase Cloud Firestore untuk database real-time, dan Flutter untuk aplikasi mobile. Hasil pengetesan menunjukkan peningkatan performa sistem gRPC-Kafka sebesar 96% dalam response time dan 216% dalam throughput dibandingkan sistem lama. Sistem Firebase juga menunjukkan peningkatan, dengan response time lebih cepat 91% dan throughput 127% lebih baik. Sistem Flutter terintegrasi dengan gRPC-Kafka memberikan kinerja yang lebih baik pada Android, dengan peningkatan 27% dalam CPU usage, 18% max CPU usage, 42% memory usage, dan 33% rendering speed. Pada iOS, sistem juga lebih baik dalam memory usage (40%), FPS (28%), dan rendering speed (16%), meskipun CPU usage dan max CPU usage sistem lama unggul sedikit (9% dan 0,3%). ......Bikunku is an application to support the bus transportation at the University of Indonesia called bikun, created by Alamsyah et al. in 2022, which tracks the location of bikun in real-time. The initial system, built with React, WebSocket, and PostgreSQL, was less than optimal in handling the large volume of bus location data. This research aims to enhance system performance with new technologies such as gRPC with Kafka for backend communication, Firebase Cloud Firestore for real-time database, and Flutter for the mobile application. Testing results showed a performance increase in the gRPC-Kafka system of 96% in response time and 216% in throughput compared to the old system. The Firebase system also showed improvements, with a 91% faster response time and a 127% better throughput. The Flutter system integrated with gRPC-Kafka performed better on Android, with increases of 27% in CPU usage, 18% in max CPU usage, 42% in memory usage, and 33% in rendering speed. On iOS, the system also improved in memory usage (40%), FPS (28%), and rendering speed (16%), although the old system was slightly better in CPU usage and max CPU usage (9% and 0.3%).

Abstrak :
Bikunku merupakan suatu aplikasi penunjang informasi bis kuning (bikun); sarana transportasi di lingkungan Universitas Indonesia; yang dibuat oleh Alamsyah et al. melalui penelitiannya pada tahun 2022. Salah satu fitur penting yang ditawarkan dalam aplikasi ini adalah tracking lokasi bikun yang sedang beroperasi secara real-time. Meskipun secara keseluruhan sistem ini dapat menjalankan tugas- nya melakukan tracking lokasi bikun, sistem yang menggunakan frontend React, komunikasi WebSocket, dan database PostgreSQL ini kurang optimal untuk menangani data lokasi yang dikirim oleh driver bikun dan dibaca oleh ribuan sivitas akademik Universitas Indonesia. Penelitian ini bertujuan melakukan improvement berupa peningkatan performa pada sistem tracking bikun pada aplikasi Bikunku yang meliputi pengukuran end-to-end response time, throughput, CPU usage, memory usage, FPS dan rendering speed. Penelitian terdiri dari pengembangan dari sisi backend protokol komunikasi menggunakan gRPC dengan Kafka, sisi database menggunakan Firebase Cloud Firestore sebagai Realtime Database pada backend, dan sisi frontend menggunakan Flutter sebagai aplikasi mobile. Implementasi frontend Flutter pada akhirnya diinkorporasikan dengan pilihan implementasi backend dengan hasil performa yang terbaik. Dengan pengembangan menggunakan teknologi tersebut, improvement yang dilakukan pada penelitian ini meliputi pengubahan cara penyaluran data lokasi tracking dan database dari sistem polling menjadi sistem pushing, pengubahan arsitektur sistem yang lebih performant, digunakannya protokol komunikasi yang lebih unggul, perbaikan implementasi pada autentikasi driver sebagai salah satu penyebab bottleneck, pengubahan aplikasi menjadi mobile app, dan digunakannya implementasi maps yang lebih siap untuk production. Pengetesan dilakukan dengan load testing membandingkan performa masing-masing sistem implementasi baru terhadap sistem terdahulu Alamsyah. Skenario pengetesan sistem backend dan database meliputi request pengiriman lokasi oleh 11 driver bikun, disertai 1800 concurrent user di sisi client untuk membaca simulasi data lokasi terbaru bikun yang beroperasi. Sementara pada sisi frontend dilakukan pengetesan dengan resource profiling dan observasi terhadap simulasi bikun yang berjalan di frontend. Hasil pengetesan menunjukkan sistem gRPC-Kafka lebih cepat sebesar 96% dengan throughput yang dihasilkan lebih baik 216% dibandingkan dengan sistem Alamsyah, sistem Firebase lebih cepat sebesar 91% dengan throughput yang dihasilkan lebih baik 127% dibandingkan sistem Alamsyah. Dari hasil yang didapat, sistem gRPC-Kafka kemudian dipilih sebagai sistem backend yang diinkorporasikan dengan implementasi Flutter. Hasil pengetesan sistem Flutter dengan gRPC-Kafka mendapatkan hasil yang lebih baik pada OS Android di semua skenario dengan peningkatan performa metrik CPU usage, max CPU usage, memory usage, dan rendering speed sebesar 27%, 18%, 42%, dan 33%. Sistem Flutter dengan gRPC-Kafka mayoritas lebih baik pada OS iOS di semua skenario, yakni pada metrik memory usage, FPS, dan rendering speed dengan peningkatan performa sebesar 40%, 28%, dan 16%. Sementara dari segi CPU usage dan max CPU usage, sistem Alamsyah lebih baik sebesar 9% dan 0,3% dari sistem Flutter dengan gRPC- Kafka. ...... Bikunku is an information system application for bikun, a bus transportation facility within the University of Indonesia environment, developed by Alamsyah et al. through their research in 2022. One of the important features offered in this application is real-time tracking of the bikuns' location. Although the overall system is capable of tracking the bikun's location, the system, which utilizes React for the frontend, WebSocket for communication, and PostgreSQL for the database, it is not optimized to handle the location data sent by bikun drivers and accessed by thousands of University of Indonesia stakeholders. This research aims to improve the performance of the bikun tracking system in the Bikunku application, including measuring end-to-end response time, throughput, CPU usage, memory usage, FPS, and rendering speed. The research consists of the development of backend communication protocol using gRPC with Kafka, development of backend using Firebase Cloud Firestore as Realtime Database, and development of the frontend mobile application using Flutter. The implementation of Flutter frontend is then integrated with the best performing backend implementation. With the development using technologies listed, improvements made in this research include changing the method of location tracking data delivery and database from a polling system to a pushing system, modifying the system architecture for better performance, utilizing superior communication protocol, improving the implementation of driver authentication as one of the bottleneck causes, transforming the application into a mobile app, and utilizing a more production-ready maps implementation. Load testing is conducted to compare the performance of each new implementation with Alamsyah's previous system. The testing scenarios for the backend and database systems involve location request submissions by 11 bikun drivers, along with 1800 concurrent users on the client side to simulate reading the latest location data of operating bikuns. On the frontend side, testing is performed using resource profiling and observation of the running bikun simulations. The test results show that the gRPC-Kafka system is 96% faster with a 216% better throughput compared to Alamsyah's system, while the Firebase system is 91% faster with a 127% better throughput compared to Alamsyah's system. Based on these findings, the gRPC-Kafka system is then chosen as the backend system to be integrated with the Flutter implementation. The testing results of Flutter with gRPC-Kafka demonstrate better performance on Android OS in all scenarios, with improvements in CPU usage, max CPU usage, memory usage, and rendering speed by 27%, 18%, 42%, and 33%, respectively. The Flutter with gRPC-Kafka system performs better on iOS OS in all scenarios for the majority, which are in terms of memory usage, FPS, and rendering speed, with performance improvements of 40%, 28%, and 16%, respectively. However, in terms of CPU usage and max CPU usage, the Alamsyah system performs better by 9% and 0.3% to the Flutter with gRPC-Kafka system.